正則表達式在html標簽后找到丟失的空格

Question

從設置超過10000行的文本，我需要找到字符串的所有實例，其中缺少一組html標簽后的空格。 HTML標記集是有限的，如下所示。

<b> </b>, <em> </em>, <span style="text-decoration: underline;" data-mce-style="text-decoration: underline;"> </span> <sub> </sub>, <sup> </sup>, <ul> </ul>, <li> </li>, <ol> </ol>

運行Regx后跟着字符串應該進入結果。

Hi <b>all</b>good morning.

在這種情況下，我們在粗體標記后錯過了sapce。

Answer 1

假設C＃：

StringCollection resultList = new StringCollection();
Regex regexObj = new Regex("^.*<(?:/?b|/?em|/?su[pb]|/?[ou]l|/?li|span style=\"text-decoration: underline;\" data-mce-style=\"text-decoration: underline;\"|/span)>(?! ).*$", RegexOptions.Multiline);
Match matchResult = regexObj.Match(subjectString);
while (matchResult.Success) {
    resultList.Add(matchResult.Value);
    matchResult = matchResult.NextMatch();
} 

將返回文件中所有行，其中列表中的一個標記后面至少有一個空格。

輸入：

This </b> is <b> OK
This <b> is </b>not OK
Neither <b>is </b> this.

輸出：

This <b> is </b>not OK
Neither <b>is </b> this.

說明：

^      # Start of line
.*     # Match any number of characters except newlines
<      # Match a <
(?:    # Either match a...
 /?b   #  b or /b
|      # or 
 /?em  #  em or /em
|...   # etc. etc.
)      # End of alternation
>      # Match a >
(?! )  # Assert that no space follows
.*     # Match any number of characters until...
$      # End of line